Dergiler / Balkan Sosyal Bilimler Dergisi / 2018 / Cilt: 7 - Sayı: 13

BIST 30 ENDEKSİNDE PORTFÖY SEÇİMİ İÇİN YENİ BİR KISMİ HEDEF PROGRAMLAMA YAKLAŞIMI

Sayfa
119–134
Yayın Tarihi
2018-01-28
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Önerilen modelin gerçek performansı ölçülmüş ve etkin portföy oluşturma açısından iyi sonuçlar verdiği gözlemlenmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Finansal portföy seçim problemi her zaman yatırımcılar ve finansal kurumlar için çözülmesi zor ve önemli bir konudur.
📊
Temel Bulgular & Veri:Kriterler ve kriterlere ait önem dereceleri yatırımcıların bakış açısına göre değişebilmekteyken, portföyün temel değerlendirme unsuru, getiri ve risk unsurlarından oluşmaktadır.
💡
Sonuç & Katkı:Önerilen modelin gerçek performansı ölçülmüş ve etkin portföy oluşturma açısından iyi sonuçlar verdiği gözlemlenmiştir.
🔬Tür:Literatür & Derleme Çalışması
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:portföy optimizasyonu · çarpıklık · basıklık

Özet

Finansal portföy seçim problemi her zaman yatırımcılar ve finansal kurumlar için çözülmesi zor ve önemli bir konudur. Portföy seçimi sorununun özü, belirli kriterler çerçevesinde optimum portföy bileşimi elde etmektir. Kriterler ve kriterlere ait önem dereceleri yatırımcıların bakış açısına göre değişebilmekteyken, portföyün temel değerlendirme unsuru, getiri ve risk unsurlarından oluşmaktadır. Modern portföy teorisine göre sırasıyla portföy ortalama ve varyansı bu faktörleri karşılamaktadır. Markowitz, portföy seçiminde, hisse senedi getiri serilerinin normal olarak dağıldığı ve karar vericilerin fayda fonksiyonlarının karesel olduğu varsayımına dayanan bir ortalama varyans modeli önermiştir. İlgili varsayımların geçerli olmadığı ve hisse senetlerinin çarpıklık ve basıklık değerlerinin anlamlı olduğu pazarlarda yapılan araştırmalar literatürde yaygın olarak görülmektedir. Ortalama varyans modeline yüksek momentler ve entropi fonksiyonlarının eklenmesi ile portföy seçim sürecine daha fazla dağılım bilgisi ve çeşitlilik katılabilmektedir. BIST-30 Endeksi portföy seçim probleminde, Polinomsal Hedef Programlama modeli ve önerilen Kısmi Hedef Programlama yaklaşımı, ortalama varyans çarpıklık basıklık entropi fonksiyonlarını barındıran portföy seçim sürecinde test edilmiştir. Önerilen modelin gerçek performansı ölçülmüş ve etkin portföy oluşturma açısından iyi sonuçlar verdiği gözlemlenmiştir.

🔖

Bu Makaleye Atıf Yap

AKSARAYLI, M., PALA, O. (2018). BIST 30 ENDEKSİNDE PORTFÖY SEÇİMİ İÇİN YENİ BİR KISMİ HEDEF PROGRAMLAMA YAKLAŞIMI. Balkan Sosyal Bilimler Dergisi, Cilt: 7 - Sayı: 13, 119–134. https://ajindex.com/articles/739758

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (12)

  1. Aouni, Belaı̈d, ve Ossama Kettani. (2001) "Goal programming model: A glorious history and a promising future." European Journal of Operational Research 133.2:225-231.
  2. Aracioglu, B., Demircan, F. ve Soyuer, H. (2011). Mean-Variance-Skewness-Kurtosis Approach to Portfolio Optimization: An Application in Istanbul Stock Exchange/Portföy Optimizasyonunda Ortalama-Varyans-Çarpiklik-BasiklikYaklasimi: IMKB Uygulamasi. Ege Akademik Bakis, 11, 9. Arditti, F. D., ve Levy, H. (1975). Portfolio efficiency analysis in three moments: the multiperiod case. The Journal of Finance, 30(3), 797-809.
  3. Bera, A. K., ve Park, S. Y. (2008). Optimal portfolio diversification using the maximum entropy principle. Econometric Reviews, 27(4-6), 484-512. BIST web site. Available online:https://datastore.borsaistanbul.com/ (accessed on 17 March 2017)
  4. Caporin, M., Jannin, G. M., Lisi, F., & Maillet, B. B. (2014). A survey on the four families of performance measures. Journal of Economic Surveys, 28(5), 917-942.
  5. Carmichael, B., Koumou, G., ve Moran, K. (2015). Unifying Portfolio Diversification Measures Using Rao's Quadratic Entropy. CİRANO. Scientific Series. Montreal. Charnes, A. ve Cooper W.W. (1961) Management models and industrial applications of linear programming, Wiley, New York. Charnes, A. ve Cooper, W. W. (1977). Goal programming and multiple objective optimizations: Part 1. European Journal of Operational Research, 1(1), 39-54.
  6. Chunhachinda, P., Dandapani, K., Hamid, S., ve Prakash, A. J. (1997). Portfolio selection and skewness: Evidence from international stock markets. Journal of Banking & Finance, 21(2), 143-167.
  7. Contini, B. (1968). A stochastic approach to goal programming. Operations Research, 16(3), 576-586.
  8. DeMiguel, V., Garlappi, L., ve Uppal, R. (2009). Optimal versus naive diversification: How inefficient is the 1/N portfolio strategy?. Review of Financial Studies, 22(5), 1915-1953.
  9. Harvey, C. R., Liechty, J. C., Liechty, M. W., ve Müller, P. (2010). Portfolio selection with higher moments. Quantitative Finance, 10(5), 469-485.
  10. Ijiri, Y. Management Goals and Accounting for Control, North Holland, Amsterdam, 1965. Jääskeläinen, V. (1969). A goal programming model of aggregate production planning. The Swedish Journal of Economics, 14-29.
  11. Jana, P., Roy, T. K., ve Mazumder, S. K. (2007). Multi-objective mean-variance-skewness model for portfolio optimization. Advanced Modeling and Optimization, 9(1), 181-193.
  12. Jurczenko, E., Maillet, B. B., ve Merlin, P. (2005). Hedge fu